8.Sztuczna inteligencja w medycynie

PRZEWODNIK DYDAKTYCZNY I PROGRAM NAUCZANIA
PRZEDMIOTU FAKULTATYWNEGO NA KIERUNKU LEKARSKIM
ROK AKADEMICKI 2016/2017
1. NAZWA PRZEDMIOTU: SZTUCZNA INTELIGENCJA W MEDYCYNIE
2. NAZWA JEDNOSTKI (jednostek ) realizującej przedmiot:
Katedra i Zakład Informatyki i Statystyki
3 . Adres jednostki odpowiedzialnej za dydaktykę:

Adres: ul. Dąbrowskiego 79, 60-529 Poznań

Tel. 61 854 68 08; Fax. 61 854 69 43

Strona WWW: www.kzis.ump.edu.pl

E-mail: [email protected]
4. Kierownik jednostki:

Prof. dr hab. Jerzy A. Moczko
5. Osoba zaliczająca przedmiot w E– indeksie z dostępem do platformy WISUS

Prof. dr hab. Jerzy A. Moczko
6. Osoba odpowiedzialna za zajęcia fakultatywne z dostępem do platformy WISUS
do list studentów

Nazwisko: dr Agnieszka Wiesiołowska

Tel. kontaktowy: 61 854 68 09

E-mail: [email protected]

Osoba zastępująca: dr Barbara Kołodziejczak, dr Izabela Miechowicz

Tel. kontaktowy: 61 854 68 09

E-mail: [email protected], [email protected]
7. Miejsce przedmiotu w programie studiów:
Rok: III-IV
Semestr: 5-8
8. Liczba godzin ogółem: 15
liczba pkt ECTS: 1
Jednostki uczestniczące w nauczaniu
przedmiotu
Katedra i Zakład Informatyki i Statystyki
Semestr zimowy/letni/ liczba
godzin
W Ć
Ćwiczenia
S
kategoria
15
B (max 12 osób)
9 . Cel nauczania przedmiotu
Celem przedmiotu jest nabycie podstawowej wiedzy związanej ze sztuczną inteligencją i jej
najnowszymi metodami w powiązaniu z medycyną.
Zapoznanie z wadami i zaletami sztucznej inteligencji. Przedstawienie zastosowania metod
sztucznej inteligencji w wybranych obszarach medycyny.
Nabycie umiejętności posługiwania się aplikacjami wspomagającymi podejmowanie decyzji,
symulatorami sztucznych sieci neuronowych.
Przygotowanie do aktywnego uczestnictwa w społeczeństwie informatycznym.
10.SYLABUS
Nazwa
przedmiotu/modułu
Wydział
Nazwa kierunku studiów
Poziom kształcenia
Forma studiów
Język przedmiotu
Sztuczna inteligencja w medycynie
LEKARSKI I
lekarski
jednolite magisterskie
stacjonarne
polski
Obowiązkowy 
Rodzaj przedmiotu
fakultatywny 

Rok studiów/semestr
I  II  III  IV  V 
VI  
Liczba godzin zajęć
dydaktycznych z
podziałem na formy
prowadzenia zajęć
15, w tym:
Założenia i cele
przedmiotu
Celem przedmiotu jest nabycie podstawowej wiedzy związanej ze sztuczną
inteligencją i jej najnowszymi metodami w powiązaniu z medycyną.
Zapoznanie z wadami i zaletami sztucznej inteligencji. Przedstawienie
zastosowania metod sztucznej inteligencji w wybranych obszarach medycyny.
Nabycie umiejętności posługiwania się aplikacjami wspomagającymi
podejmowanie decyzji, symulatorami sztucznych sieci neuronowych.
Przygotowanie do aktywnego uczestnictwa w społeczeństwie
informatycznym.
Symbol
efektów
kształcenia
zgodnie ze
standardami
1  2  3  4  5  6 7  8  9
 10  11  12 
0- wykłady, 0- seminaria, 0 – ćwiczenia, 15 – fakultety
OPIS KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA
WIEDZA (ZGODNIE ZE SZCZEGÓŁOWYMI EFEKTAMI
KSZTAŁCENIA)
Metody weryfikacji
osiągnięcia
zamierzonych efektów
kształcenia:
B.W31.
B.W31.
Zna podstawy technik informatycznych celem obsługi systemów
i programów informatycznych.
Zna skuteczne metody przeszukiwania internetowych baz
danych.
sprawdzenie
realizacji bieżących
zagadnień
UMIEJĘTNOŚCI (ZGODNIE ZE SZCZEGÓŁOWYMI
EFEKTAMI KSZTAŁCENIA)
B.U11.
Wykorzystuje narzędzia i systemy informatyczne do gromadzenia
i przetwarzania danych, następnie analizy metodami sztucznej
inteligencji.
sprawdzenie
realizacji bieżących
zagadnień;
zaliczenie praktyczne
przy komputerze
KOMPETENCJE SPOŁECZNE (ZGODNIE Z OGÓLNYMI
EFEKTAMI KSZTAŁCENIA)
PUNKTY ECTS
1
TREŚCI MERYTORYCZNE PRZEDMIOTU:
1. Sztuczna inteligencja, podstawowe pojęcia, wprowadzenie
- sztuczne sieci neuronowe,
- systemy ekspertowe,
- drzewa decyzyjne.
2. Zastosowania sztucznej inteligencji w medycynie na przykładach w wersji
demonstracyjnej
- informatyczne systemy edukacyjne,
- wirtualni rozmówcy, doradcy, chat bots,
- medyczne bazy danych, zaawansowane algorytmy wyszukiwania informacji,
- informatyczne systemy wspomagające naukę w konkretnej dziedzinie,
- systemy rozpoznawania sygnałów (dźwięku, obrazu, zdjęć),
- systemy wspomagające podejmowania decyzji,
- medyczne systemy hybrydowe,
- wady i zalety sztucznej inteligencji.
3. Omówienie komercyjnych i darmowych symulatorów sztucznych sieci
neuronowych.
- akwizycja danych, przetwarzanie i import do symulatora,
- modelowanie własnych systemów opartych o sztuczną inteligencję,
- dyskusja na temat zastosowanych technik i topologii wytworzonych modeli.
4. Omówienie komercyjnych i darmowych symulatorów sztucznych sieci
neuronowych.
- rozwiązywanie prostych problemów medycznych w oparciu o sztuczne sieci
neuronowe,
- dyskusja na temat zastosowanych technik i topologii wytworzonych modeli.
Zaj. fakultatywne (praktyczne) w laboratorium komputerowym
Tematyka
Forma
(wykłady,semina
ria, ćwiczenia,
zaj.
fakultatywne,
itp…)
5. Przyszłość sztucznej inteligencji w medycynie.
LITERATURA PODSTAWOWA I UZUPEŁNIAJĄCA:
Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Warszawa1993.
2. Zieliński K., Strzelecki M., Komputerowa analiza obrazu biomedycznego. Wstęp do morfologii i
patologii ilościowej, Wydawnictwo Naukowe PWN, Warszawa-Łódź 2002.
3. Tadeusiewicz R., Inżynieria biomedyczna, Uczelniane Wydawnictwa Naukowo-Dydaktyczne,
Kraków 2008.
1.
WARUNKI UZYSKANIA ZALICZENIA PRZEDMIOTU:

Aktywność i obecność na wszystkich zajęciach.

Zaliczenie praktyczne przy komputerze.
11.Tematyka poszczególnych ćwiczeń i seminariów
Ćwiczenia - Semestr zimowy/letni
Ćwiczenie 1.
Ćwiczenie 2.
Ćwiczenie 3.
Ćwiczenie 4.
Wstęp do sztucznej inteligencji:
 zarys historyczny (McCulloch i Pitts, Minsky i Papert),
 test Turinga,
 rozwój w różnych obszarach badawczych,
 baza wiedzy, wspomaganie podejmowania decyzji,
 wirtualni rozmówcy, chatboter,
 systemy online i desktop dostępne na rynku.
Wstęp do komputerowego przetwarzania obrazu:
 obrazy rastrowe i wektorowe,
 akwizycja materiału biomedycznego,
 metody przetwarzania (współczynniki kształtu, detekcja
krawędzi, transformacja obrazu),
 aplikacje internetowe przetwarzające obraz w czasie
rzeczywistym (detekcja twarzy, oczu, rozpoznawanie płci,
wieku, rasy, koloru skóry itp.)
Systemy ekspertowe jako systemy wspomagania podejmowania decyzji
w wybranych aspektach medycznych.
Systemy eksperckie jako symboliczne modele rozumowania.
Wstęp do sztucznych sieci neuronowych.
Kontynuacja zagadnień dotyczących sztucznych sieci neuronowych:
 matematyczny model neuronu,
 modele neuronów (Perceptron, RBF, Kohonena)
 sieci liniowe (problem separowalności liniowej) i nieliniowe,
 uczenie sztucznych sieci neuronowych (strategie i algorytmy
uczenia),
 przygotowanie zbiorów uczących,
 problemy związane z uczeniem sztucznych sieci neuronowych.
Osoba
odpowiedzialna
Dr inż. Arkadiusz Majewski
Tematyka ćwiczeń
Ćwiczenie 5.
Omówienie komercyjnych i darmowych symulatorów sztucznych sieci
neuronowych:
 przygotowanie zbiorów danych, podział na zbiory uczące,
walidacyjne i testowe.
 rozwiązywanie prostych problemów medycznych w oparciu
o sztuczne sieci neuronowe,
 dyskusja na temat zastosowanych technik i topologii
wytworzonych modeli, porównanie błędów, jakości nauczonych
modeli, analiza wrażliwości, uruchamianie poszczególnych
przypadków.
12. Organizacja zajęć:
Zajęcia fakultatywne odbywają się zgodnie z planem zajęć ustalonym z Dziekanatem.
REGULAMIN ZAJĘĆ:
1. Obecność studentów na ćwiczeniach jest obowiązkowa i kontrolowana.
2. Nieobecność na ćwiczeniach musi być usprawiedliwiona i odrobiona w terminie ustalonym indywidualnie
z prowadzącym zajęcia, lecz nie później niż przed ostatnimi ćwiczeniami. Nie odrobienie zajęć powoduje
niezaliczenie zajęć fakultatywnych, co jest jednoznaczne z otrzymaniem oceny niedostatecznej w
pierwszym terminie. Zgodnie z regulaminem studiów (rozdział III, § 11) w wyjątkowych sytuacjach
dopuszcza się usprawiedliwioną nieobecność na zajęciach.
3. Warunkiem uzyskania zaliczenia z przedmiotu jest:
a. aktywność oraz obecność na wszystkich ćwiczeniach,
b. oceny cząstkowe z zadań praktycznych na każdych ćwiczeniach oraz sprawozdanie z omówionego
materiału i zrealizowanych zagadnień praktycznych (min. 60% wymagań).
W przypadku otrzymania oceny niedostatecznej istnieje możliwość dwukrotnego jej poprawienia w
terminach uzgodnionych z prowadzącym.
4. Spóźnienia na ćwiczeniach przekraczające 15 minut traktowane są jako nieobecność.
5. Studentów obowiązuje znajomość treści i nabycie umiejętności z zakresu prezentowanego na poprzednich
ćwiczeniach.
PROGRAM ZAJĘĆ:
I.
−
−
−
−
−
II.
Podstawy teoretyczne
Sztuczna inteligencja (SI, ang. AI).
Przetwarzanie obrazów biomedycznych.
Systemy ekspertowe.
Sztuczne sieci neuronowe (SSN, ang. ANN).
Symulatory SSN.
Ćwiczenia praktyczne
Aplikacje internetowe wykorzystujące techniki sztucznej inteligencji,
- wirtualni rozmówcy,
- wirtualni doradcy,
- chatboty przygotowywane na test Turinga, boty asystenci,
*Porównanie, zestawienie zalet i wad – sprawozdanie.
- przetwarzanie obrazów w czasie rzeczywistym, porównanie jakości przy losowych zakłóceniach
(oświetlenie, zmiana położenia twarzy),
- sprawdzenie ograniczeń dostępnych systemów, sprawdzanie podstawowych parametrów wieku,
płci, kolrou skóry, rasy, masy ciała itd.
*Porównanie, zestawienie zalet i wad – sprawozdanie.
Przetwarzanie i analiza obrazów biomedycznych,
- współczynniki kształtu,
- detekcja krawędzi,
- opracowanie, przygotowanie i przetworzenie obrazów na potrzeby edukacji sztucznych sieci
neuronowych,
- modelowanie neuronowe w oparciu o przygotowane zbiory danych,
- dyskusja na temat wytworzonych modeli.
PROGRAM NAUCZANIA
Wymagania wstępne: wiedza na poziomie szkoły średniej
Przygotowanie do zajęć: utrwalenie umiejętności nabytych na dotychczasowych zajęciach z tego przedmiotu
Wymagania końcowe: student potrafi zgromadzić dane biomedyczne, przetworzyć je i poddać analizie za
pomocą wybranej metody sztucznej inteligencji.
13.Kryteria zaliczenia przedmiotu:
Zaliczenie – kryterium zaliczenia

Aktywność oraz obecność na wszystkich zajęciach.

Oceny cząstkowe z zadań praktycznych na każdych ćwiczeniach.

Sprawozdanie z omówionego materiału i zrealizowanych zagadnień praktycznych.
14. Literatura:
1. Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Warszawa1993.
2. Zieliński K., Strzelecki M., Komputerowa analiza obrazu biomedycznego. Wstęp do
morfologii i patologii ilościowej, Wydawnictwo Naukowe PWN, Warszawa-Łódź 2002.
3. Tadeusiewicz R., Inżynieria biomedyczna, Uczelniane Wydawnictwa NaukowoDydaktyczne, Kraków 2008.
15. Podpis osoby odpowiedzialnej za nauczanie przedmiotu lub koordynatora